本發明涉及一般的圖像數據處理或產生領域，尤其涉及一種基于機器學習的視覺圖像脊柱姿態分析方法及系統。

背景技術：

1、正常人的脊柱從后面看應該是一條直線，并且軀干兩側對稱。如果從后面看雙肩不等高或后面看到后背左右不平，就應懷疑脊柱側彎。若是發生脊柱側彎的情況，建議盡快就醫明確疾病的分度，然后遵醫囑積極配合治療，有利于盡早改善。脊柱側彎又稱脊柱側凸，是一種脊柱的三維畸形，包括冠狀位、矢狀位和軸位上的序列異常。

2、脊柱側彎一度二度三度是指脊柱側彎的嚴重程度分型，一度最輕微，三度最嚴重。必要時盡早就醫治療。一度：又稱為輕度脊柱側彎，患者一般無任何癥狀，站立側彎明顯，平臥、前屈或單杠懸吊時即消失；一般可以通過日常坐姿、站姿調整，逐漸緩解。二度：又稱為中度脊柱側彎，側彎較固定，平臥、前屈或單杠懸吊時也不消失，同時還可出現雙肩不等高及骨盆傾斜的情況，此時病情比較嚴重。三度：又稱為重度脊柱側彎，脊柱凸側的背部隆起，前胸壁凹，同時出現旋轉畸形，導致軀干扭轉，使胸、腹腔容積縮減，引起肺活量減少，心肺及消化功能發生障礙。

3、示例地，公開號為cn117274151a的中國發明專利提出了一種基于人工智能的視覺圖像脊柱姿態分析方法，所述方法利用無畸變可見光攝像頭對用戶正面，背面進行圖像采集，編號并進行存儲，利用人工智能訓練好的模型對視覺圖像進行骨關鍵識別；使用x光對用戶脊柱進行拍照，計算脊柱cobb角，編號并進行存儲；利用骨關鍵點數據與x光獲得的脊柱信息進行人工智能模型訓練，得到骨關鍵點與cobb角相關性模型；利用骨關鍵點與cobb角相關性模型對用戶進行視覺圖像識別直接獲得脊柱姿態信息，幫助醫生進行快速篩查和進一步診療。

4、示例地，公開號為cn118576186a的中國發明專利提出了一種基于數字圖像的脊柱側彎篩查系統，所述系統包含：采集模塊，用于采集待識別對象自然站立姿態的第一圖像和人體前屈姿態的第二圖像；圖像處理模塊，用于對第一圖像和第二圖像進行預處理；第一特征提取模塊，用于從預處理的第一圖像中提取第一特征；第二特征提取模塊，用于從預處理的第二圖像中提取第二特征；綜合評估模塊，用于基于第一特征和第二特征綜合評估待評估對象的脊柱側彎狀態。本發明的基于數字圖像的脊柱側彎篩查系統，通過數字圖像處理和計算機視覺技術，對站立姿勢和前屈姿勢圖像進行分析，對脊柱側彎程度進行多維度綜合性評估，實現便捷、有效、安全的脊柱側彎篩查評估，無需人工干涉，大幅降低成本。

5、但是，上述現有技術雖然均基于視覺圖像對被測人體的脊柱姿態數據進行了分析，但是采用的分析模型或者評估模式較為粗糙，使用的基礎數據不夠全面、充分，無法直接給出被測人體的脊柱側彎的嚴重程度分型，導致還需要繼續使用電子模式或者人工模式對獲取的分析結果或者評估結果進行進一步的數據分析，才能獲取作為二手數據的被測人體的脊柱側彎的嚴重程度分型，顯然，由于本身作為二手數據，其可靠性和穩定性也無法得到有效保障。

技術實現思路

1、為了解決現有技術中的技術問題，本發明提供了一種基于機器學習的視覺圖像脊柱姿態分析方法及系統，通過采用針對性的機器學習模式完成對脊柱姿態分析模型的結構的定制化設計，在針對性篩選到包括視覺圖像的全面充分的基礎數據的基礎上，采用定制結構設計的脊柱姿態分析模型直接分析到被測人體的脊柱側彎的嚴重程度分型，作為一手數據的特性也保證了分析結果的可靠性和穩定性。

2、根據本發明的一方面，提供了一種基于機器學習的視覺圖像脊柱姿態分析方法，所述方法包括：

3、獲取待分析人員的身體寬度最大數值、身體厚度最大數值、年齡信息、性別信息、身高數據以及體重數據，以作為待分析人員的多項身體關聯內容輸出；

4、獲取視覺感應機構的各項感應參數，視覺感應機構的各項感應參數為視覺感應機構的像素電路數量、拍攝焦距、預設幀率、曝光時長以及光圈數據，視覺感應機構面對所述待分析人員的背部以執行預設幀率的連續多幀視覺感應畫面的采集；

5、獲取連續多幀視覺畫面分別對應的多份視覺數據，每一幀視覺畫面對應的單份視覺數據為該幀視覺畫面中的待分析人員占據圖像分塊的各個像素點的垂直坐標數值、水平坐標數值以及景深數值；

6、對bp神經網絡執行多次學習動作以獲得執行完多次學習動作的bp神經網絡并作為脊柱姿態分析模型輸出；

7、采用脊柱姿態分析模型根據連續多幀視覺感應畫面的畫面數量、待分析人員的多項身體關聯內容、視覺感應機構的各項感應參數以及連續多幀視覺畫面分別對應的多份視覺數據智能分析所述待分析人員的脊柱側彎嚴重程度分型；

8、其中，智能分析獲得的所述待分析人員的脊柱側彎嚴重程度分型為一度脊柱側彎、二度脊柱側彎和三度脊柱側彎中的一種。

9、根據本發明的另一方面，提供了一種基于機器學習的視覺圖像脊柱姿態分析系統，所述系統包括：

10、第一捕獲機構，用于獲取待分析人員的身體寬度最大數值、身體厚度最大數值、年齡信息、性別信息、身高數據以及體重數據，以作為待分析人員的多項身體關聯內容輸出；

11、第二捕獲機構，用于獲取視覺感應機構的各項感應參數，視覺感應機構的各項感應參數為視覺感應機構的像素電路數量、拍攝焦距、預設幀率、曝光時長以及光圈數據，視覺感應機構面對所述待分析人員的背部以執行預設幀率的連續多幀視覺感應畫面的采集；

12、第三捕獲機構，用于獲取連續多幀視覺畫面分別對應的多份視覺數據，每一幀視覺畫面對應的單份視覺數據為該幀視覺畫面中的待分析人員占據圖像分塊的各個像素點的垂直坐標數值、水平坐標數值以及景深數值；

13、目標構建機構，用于對bp神經網絡執行多次學習動作以獲得執行完多次學習動作的bp神經網絡并作為脊柱姿態分析模型輸出；

14、等級分析機構，分別與所述第一捕獲機構、所述第二捕獲機構、所述第三捕獲機構以及所述目標構建機構連接，用于采用脊柱姿態分析模型根據連續多幀視覺感應畫面的畫面數量、待分析人員的多項身體關聯內容、視覺感應機構的各項感應參數以及連續多幀視覺畫面分別對應的多份視覺數據智能分析所述待分析人員的脊柱側彎嚴重程度分型；

15、其中，智能分析獲得的所述待分析人員的脊柱側彎嚴重程度分型為一度脊柱側彎、二度脊柱側彎和三度脊柱側彎中的一種。

16、由此可見，本發明至少具備以下幾處突出的實質性特點：

17、實質性特點a：為待分析人員的脊柱側彎嚴重程度分型的智能分析針對性篩選多項基礎數據，包括對待分析人員背部執行拍攝獲得的連續多幀視覺感應畫面的畫面數量、待分析人員的多項身體關聯內容、視覺感應機構的各項感應參數以及連續多幀視覺畫面分別對應的多份視覺數據，上述多項基礎數據的充分性和全面性保證了智能分析結果的穩定性和有效性，用于基于視覺圖像的人體脊柱姿態的高效率、高精度的現場分析；

18、實質性特點b：具體地，待分析人員的多項身體關聯內容為待分析人員的身體寬度最大數值、身體厚度最大數值、年齡信息、性別信息、身高數據以及體重數據，視覺感應機構的各項感應參數為視覺感應機構的像素電路數量、拍攝焦距、預設幀率、曝光時長以及光圈數據，視覺感應機構面對待分析人員的背部以執行預設幀率的連續多幀視覺感應畫面的采集，以及每一幀視覺畫面對應的單份視覺數據為該幀視覺畫面中的待分析人員占據圖像分塊的各個像素點的垂直坐標數值、水平坐標數值以及景深數值；

19、實質性特點c：為待分析人員的脊柱側彎嚴重程度分型的智能分析構建定制結構的脊柱姿態分析模型，所述脊柱姿態分析模型為執行完多次學習動作的bp神經網絡且學習動作的次數與視覺感應機構的像素電路數量正向關聯，從而為不同的視覺感應機構定制不同結構的基于機器學習的脊柱姿態分析模型，進一步保證了智能分析結果的穩定性和有效性；

20、實質性特點d：在對bp神經網絡執行的每一次學習動作中，將某一已分析人員的已知的脊柱側彎嚴重程度分型作為bp神經網絡的輸出內容，將所述某一已分析人員對應的連續多幀視覺感應畫面的畫面數量、所述某一已分析人員的身體寬度最大數值、視覺感應機構的各項感應參數以及所述某一已分析人員對應的連續多幀視覺畫面分別對應的多份視覺數據作為bp神經網絡的輸入內容，完成對bp神經網絡的本次學習動作，從而保證了對bp神經網絡執行的每一次學習動作的學習效果。